【动手学习深度学习--逐行代码解析合集】13图像卷积

【动手学习深度学习】逐行代码解析合集

13图像卷积

---

视频链接：动手学习深度学习–图像卷积
课程主页：https://courses.d2l.ai/zh-v2/
教材：https://zh-v2.d2l.ai/

1、二维互相关运算

---

---

import torch
from torch import nn
from d2l import torch as d2l
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

"====================1、二维互相关运算===================="
# X为输入，K为核矩阵
def corr2d(X, K):  #@save
    """计算二维互相关运算"""
    h, w = K.shape   # 核矩阵的行数和列数
    # 对输出矩阵Y进行初始化
    Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))
    # 遍历Y的每一行每一列，对Y进行赋值
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            # X选中区域 与 卷积核K 相乘求和，得到矩阵Y对应位置的值
            Y[i, j] = (X[i:i + h, j:j + w] * K).sum()
    return Y

# 分别对X和K赋值
X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
K = torch.tensor([[0.0, 1.0], [2.0, 3.0]])
# 带入函数中求输出值
print(corr2d(X, K))
'''
输出：
tensor([[19., 25.],
        [37., 43.]])
'''

2、卷积层

"====================2、卷积层===================="
class Conv2D(nn.Module):
    def __init__(self, kernel_size):
        super().__init__()
        # 对卷积核权重和标量偏置进行初始化，kernel_size为卷积核的大小
        self.weight = nn.Parameter(torch.rand(kernel_size))
        self.bias = nn.Parameter(torch.zeros(1))

    def forward(self, x):
        # x与weight作互相关运算，加上偏置项
        return corr2d(x, self.weight) + self.bias

3、图像中目标的边缘检测

构造一个6×8像素的黑白图像，中间四列为黑色（0），其余像素为白色（1）

"====================3、图像中目标的边缘检测===================="
# 构造一个6×8像素的黑白图像，中间四列为黑色（0），其余像素为白色（1）
X = torch.ones((6, 8))
X[:, 2:6] = 0
# print(X)
'''
输出：
tensor([[1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.]])
'''
# 构造一个高度为1，宽度为2的卷积核K
K = torch.tensor([[1.0, -1.0]])
# 当进行互相关运算时，如果水平相邻的两元素相同，则输出为零，否则输出为非零。
Y = corr2d(X, K)
# print(Y)
# 输出Y中的1代表从白色到黑色的边缘，-1代表从黑色到白色的边缘，其他情况的输出为0
'''
输出：
tensor([[ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.]])
'''
# 将输入的二维图像转置，再进行如上的互相关运算。
# 之前检测到的垂直边缘消失了。这个卷积核K只可以检测垂直边缘，无法检测水平边缘。
print(corr2d(X.t(), K))
'''
输出：
tensor([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]])
'''

4、学习由X生成Y的卷积核

"====================4、学习由X生成Y的卷积核===================="
# 构造一个二维卷积层，它具有1个输出通道和形状为（1，2）的卷积核
conv2d = nn.Conv2d(1,1, kernel_size=(1, 2), bias=False)

# 这个二维卷积层使用四维输入和输出格式（批量大小、通道、高度、宽度），
# 其中批量大小和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
lr = 3e-2  # 学习率

for i in range(10):
    Y_hat = conv2d(X)
    l = (Y_hat - Y) ** 2
    conv2d.zero_grad()
    l.sum().backward()
    # 迭代卷积核
    conv2d.weight.data[:] -= lr * conv2d.weight.grad
    if (i + 1) % 2 == 0:
        print(f'epoch {i+1}, loss {l.sum():.3f}')
# 所学习的卷积核的权重张量
print(conv2d.weight.data.reshape((1, 2)))
'''
输出：
epoch 2, loss 13.085
epoch 4, loss 3.236
epoch 6, loss 0.969
epoch 8, loss 0.337
epoch 10, loss 0.128
tensor([[ 0.9486, -1.0205]])
'''